MétaCan
Menu
Retour à la cohorte
Enregistrement W3200118159 · doi:10.1139/cgj-2021-0194

Interaction between cement clinker constituents and clay minerals and their influence on the strength of cement-based stabilized soft clay

2021· article· en· W3200118159 sur OpenAlexvenueno aff
Jun Wu, Zuhua Deng, Yongfeng Deng, Annan Zhou, Yunsheng Zhang

Notice bibliographique

RevueCanadian Geotechnical Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCementClay mineralsBentoniteClinker (cement)Materials scienceCuring (chemistry)Hydration reactionMortarFlocculationGeotechnical engineeringExpansive clayGeologyMineralogyComposite materialChemistryPortland cementSoil water

Résumé

récupéré en direct d'OpenAlex

The strength of cement-based stabilized clay is less than that of concrete and mortar and shows a distinct variability owing to the existence of various clay minerals. To better understand the cement–clay reactions and the strength generation, two artificial clays with the unique clay mineral and major strength-producing constituents of cement clinker were investigated via mechanical, compositional, and microstructural analyses. Results show that C 3 A-stabilized clay gains strength rapidly in the first 3 days, but this favourable tendency vanishes over time. After 90 days of curing, the strength of C 3 S-stabilized clay is about four times that of the corresponding C 3 A-stabilized clay, indicating the remarkable long-term stabilization efficiency of C 3 S. Furthermore, clay minerals primarily draw into strength evolution in the reaction process. Despite that bentonite is more reactive than kaolin as long as the highly alkaline conditions persist, it has a higher probability to flocculate into large aggregates during the mixing process, which may impair the reaction efficiency and even brings adverse stabilization effects, suggesting the importance of uniformity control.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,263
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetConcrete and Cement Materials ResearchTravaux en français237 207